Eventos no epilépticos psicógenos: El desafío constante de su diagnóstico y tratamiento.
Bibliographic record
Abstract
Los eventos no epilépticos psicógenos (ENEP) son episodios paroxísticos descritos como cambios conductuales, alteraciones sensorio-sensitivas, o manifestaciones motoras que se asemejan a las crisis epilépticas pero sin mostrar actividad epileptiforme subyacente, no son producidos deliberadamente por el individuo, y responden a mecanismos multifactoriales de índole biopsicosocial. La información epidemiológica es limitada debido a la naturaleza heterogénea de la población afectada, así como a la escasa accesibilidad al videoelectroencefalograma (vEEG) necesario para su diagnóstico. En este contexto, es necesaria la convergencia de dos elementos importantes: historia clínica detallada (características clínicas sugerentes de ENEP e identificación de los factores asociados) y la ausencia de cambios electroencefalográficos en el vEEG durante el episodio. La evaluación psicológica provee información adicional relevante para la corroboración diagnóstica y para su manejo. El diagnóstico debe realizarse de manera oportuna, para evitar complicaciones en su evolución y tratamiento. Es vital una actitud positiva y alentadora hacia el/la paciente al momento de comunicarle su diagnóstico, así como la coordinación entre el neurólogo tratante y los profesionales de salud mental involucrados en el manejo y seguimiento del caso. La psicoterapia cognitiva conductual, asociada a psicofármacoterapia -cuando pertinente-, constituyen el tratamiento más eficaz de estos pacientes. Existen limitados estudios en Latinoamérica sobre aspectos epidemiológicos y clínico-evolutivos de pacientes con ENEP, por lo que más investigación y publicaciones respecto a esta problemática son indispensables dado su impacto sobre la calidad de vida de los pacientes y sobre el costo de su manejo en los sistemas de salud.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.003 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".